文献类型：期刊文章

作　　者：刘小波[1,2,3] 刘鹏[1,2] 蔡之华[4,5] 乔禹霖[1,2] 王凌[4,6] 汪敏[1,2]

LIU Xiao-Bo;LIU Peng;CAI Zhi-Hua;QIAO Yu-Lin;WANG Ling;WANG Min(School of Automation,China University of Geosciences,Wuhan 430074;Hubei Key Laboratory of Advanced Control and Intelligent Automation for Complex Systems,Wuhan 430074;Ministry of Education Key Laboratory of Geological Survey and Evaluation,Wuhan 430074;School of Computer Science,China University of Geosciences,Wuhan 430074;Beibu Gulf Big Data Resources Utilisation Laboratory,Beibu Gulf University,Qinzhou 535011;Department of Automation,Tsinghua University,Beijing 100084)

机构地区：[1]中国地质大学(武汉)自动化学院,武汉430074 [2]复杂系统先进控制与智能自动化湖北省重点实验室,武汉430074 [3]地质探测与评估教育部重点实验室,武汉430074 [4]中国地质大学(武汉)计算机学院,武汉430074 [5]北部湾大学北部湾大数据资源利用实验室,钦州535011 [6]清华大学自动化系,北京100084

出　　处：《自动化学报》

基　　金：国家自然科学基金(61973285,61873249,61773355,61603355);湖北省自然科学基金(2018CFB528);地质探测与评估教育部重点实验室主任基金(CUG2019ZR10);中央高校基本科研业务费(CUGL17022)资助。

年　　份：2021

卷　　号：47

期　　号：9

起止页码：2078-2089

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：光学遥感图像的目标检测(Optical remote sensing images object detection,ORSIOD)是航空和卫星图像分析领域的一个基本但具有挑战性的问题,近年来受到广泛关注.本文从如下几个方面介绍了基于深度学习的光学遥感图像目标检测的研究现状.首先对光学遥感图像目标检测的主要难点进行了介绍,接着对现有基于深度学习的目标检测算法进行概括,并以光学遥感图像目标检测的难点为驱动分析对比了不同的基于深度学习的光学遥感图像目标检测方法的优缺点,最后对未来的发展趋势进行了详细的分析.

关 键 词：深度学习  光学遥感 目标检测 卷积神经网络

分 类 号：TP18] TP751]